A RP‐HPLC‐DAD‐APCI/MSD method for the characterisation of medicinal Ericaceae used by the Eeyou Istchee Cree First Nations
Notice bibliographique
Résumé
INTRODUCTION: Ericaceae medicinal plants are traditionally used by the Eeyou Istchee Cree and other northern peoples of North America to treat type 2 diabetic symptoms. Because of the importance of phenolics as potential cures for degenerative diseases including type 2 diabetes, an analytical method was developed to detect them in the leaf extracts of 14 Ericaceae plants. OBJECTIVE: To develop an optimised method which is applicable to a relatively large number of Ericaceae plants using their leaf extracts. For this purpose phenolics with a wide range of polarity, including a glucosylated benzoquinone, two phenolic acids, three flavanols, a flavanone, a flavone and five flavonols, were included in this study. METHODOLOGY: Characterisation of phytochemicals in extracts was undertaken by automated matching to the UV spectra to those of an in house library of plant secondary metabolites and the authentication of their identity was achieved by reversed phase-high-performance chromatography-diode array detection-atmospheric pressure chemical ionisation/mass selective detection. RESULTS: Twenty-six phenolics were characterised within 26 min of chromatographic separation in 80% ethanol extracts of 14 Ericaceae plants. The calibration curves were linear within 0.5-880 microg/g dry mass of the plant with regression values better than 0.995. The limits of detection ranged from 0.3 for microg/mL for (+)-catechin to 2.6 microg/mL for chlorogenic acid. This is a first study dealing with relatively large number of Ericaceae extracts and is applicable to other plants of same family.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».